차량의 이동 궤적을 예측하여 사전에 계산 오프로딩 전략을 수립함으로써 지연 시간을 줄이고 자원 활용도를 높일 수 있다.
차량의 이동성, 계산 능력, 데이터 양, 채널 상태 및 비잔틴 공격을 고려하여 차량 선택 방식을 제안함으로써 연합 학습의 정확성과 안전성을 향상시킬 수 있다.
디지털 트윈과 메타 러닝을 활용하여 비정상적인 차량 네트워크 환경에서 지능형 네트워크 관리 기능의 자동화된 수명 주기 관리를 제공한다.
본 연구는 ETSI ITS 경쟁 기반 포워딩(CBF) 프로토콜의 성능을 도심 및 고속도로 환경에서 분석하고, 이를 개선하기 위한 새로운 메커니즘을 제안한다.